基于体感网的居家养老系统及其控制方法技术方案

基于体感网的居家养老系统及其控制方法属于智能家居服务系统技术领域，包括居家体感网、服务器和智能手机，所述居家体感网包括居家传感器和居家无线网络；所述居家传感器包括红外传感器、门禁传感器、紧急按钮、IP摄像头和健康腕表；所述居家无线网络包括中央控制器和无线路由器。本发明专利技术在家庭中创建一个体感网络环境，通过多种传感器分析佩戴健康腕表的老人的一种状态，大大减少了误报警情况的发生，并可以根据个体进行报警阈值的修正，克服了单个传感器的误报技术界限，为居家生活的老人提供一种健康、安全信息化监控系统；架设了子女的远程监护信息化平台，为子女提供了监控老人健康、监控家庭安全和与老人沟通的平台。

Home care system based on somatosensory network and control method thereof

Home care system Propnoceptive network and control method thereof belong to the technical field of Home Furnishing intelligent service system based on body sensor network, including home server and intelligent mobile phone, the home network including home somatosensory sensor and home wireless network; the home sensor includes sensor, infrared sensor, emergency access control button, IP camera and health watch the home wireless network; includes a central controller and a wireless router. The present invention is created in the family of a sense of individual network environment, a state through a variety of sensors in the analysis of the elderly health watch wear, greatly reducing the false alarm occurs, and can be modified according to individual alarm threshold, to overcome the false technical limits of single sensor, provides a health and safety information monitoring system for the home life of the elderly; set up a remote monitoring information platform provides monitoring of children, elderly health, home security monitoring and communication platform for children and the elderly.

【技术实现步骤摘要】
基于体感网的居家养老系统及其控制方法
本专利技术属于智能家居服务系统
，特别是涉及到一种基于体感网的居家养老系统及其控制方法。
技术介绍
居家养老是解决目前人口老龄化的重要途径。人口老龄化问题是全世界各国共同面临的问题，截至2015年底，中国老年人约占全球老年人口21.4％，近十年来高龄人口增加一倍，城市空巢老人家庭占比已达到49.7％，据中国老龄办数据统计，空巢家庭/类空巢家庭在2030年将会达到90％。居家养老服务实际上是在远程科技的体系上建立的一个支持家庭温情养老的新型社会化服务体系，是其它养老模式的补充与完善，切实解决老人的实际困难，已成为老人、儿女迫切的需求。因而居家养老是当今社会必须研究的课题。体感网是针对人的一种新形式物联网，我国的家庭监控市场虽然刚刚起步，但是移动家庭监控产品在保护家庭安全、预防风险方面起到不可低估的作用。未来的移动家庭监控系统，将是一个完善的智能化监控体系，结合了4G、安防、智能、电子商务等应用，还可灵活组合电信运营商已有的增值业务系统，将电视娱乐、视频监控、视频会议、手机视频、可视通信等多种业务整合在一个平台上提供给用户，发挥整合优势，来满足用户的个性化需求。同时，高端家庭监控系统还会更加智能化，如视频监测方面能提供高级视频智能分析功能，包括智能分析区域和边界、人像识别、人物追踪、人物统计等；还将结合医疗、家政、呼叫等功能，增加联动报警及安全服务方面的应用。多传感器融合技术：传统的传感器由于技术和使用环境限制，存在一定程度的误报问题，通过采用多传感器融合技术提高了灵敏度，也提高了误报率，如果设置阈值低，很多危险也检测不到。而多个传感器的检测数据的整合，并通过一定算法进行分析后给出的报警信息，将极大的提高检测水平。将多传感器融合技术和体感网同时应用于居家养老方面，用于监护老人的健康以及生活是一个新的课题。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于体感网的居家养老系统及其控制方法作为监测居家老人安全和健康的信息化系统及方法，用来解决单一传感器误判和不同人的个体化差异等技术问题。基于体感网的居家养老系统，包括居家体感网、服务器和智能手机，所述居家体感网包括居家传感器和居家无线网络；所述居家传感器包括红外传感器、门禁传感器、紧急按钮、IP摄像头和健康腕表；所述居家无线网络包括中央控制器和无线路由器；所述健康腕表的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表通过GPRS与互联网连接；所述中央控制器通过ZigBee分别与红外传感器、门禁传感器以及紧急按钮连接；所述无线路由器通过Wifi分别与IP摄像头、健康腕表以及中央控制器连接，无线路由器通过宽带与互联网连接；所述服务器与互联网连接；所述智能手机通过TD-LTE与服务器连接。所述IP摄像头的数量为四个以上。基于体感网的居家养老系统的控制方法，利用所述的基于体感网的居家养老系统，包括以下步骤，并且以下步骤顺次进行，步骤一、将老人的注册信息、子女的注册信息、传感器的注册信息、传感器权限分配信息、家庭位置信息以及居室分布信息录入中央控制器；通过与健康腕表通信连接的智能手机的app端应用程序设定健康腕表中的模型参数、报警阈值；所述模型参数包括每日要求运动步数、本人体重、性别、年龄、健康状态和腕表佩戴习惯，所述健康状态分为好、中、差三种，所述腕表佩戴习惯分为左手佩戴和右手佩戴两种；所述报警阈值包括最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值和日常活动位置区域；老人佩戴健康腕表，在健康腕表上对“坐”，“走”，“跑”三种状态进行设置，并存储老人在设置过程中坐、走、跑的最大运动加速度；在中央控制器中进行入门初始化和出门初始化；步骤二、通过门禁传感器和红外传感器的报警时间顺序判断老人是室内运动还是室外运动，门禁传感器的报警时间早于红外传感器的报警时间，判定为老人室外运动，健康腕表中的GPS定位装置和三维加速度传感器定位老人的所在位置，健康腕表中的三维加速度传感器检测老人的运动步数和运动距离，计时器记录老人的室外运动时间；门禁传感器的报警时间晚于红外传感器的报警时间，判定为老人室内运动，健康腕表中的基站定位装置和三维加速度传感器定位老人的所在房间及位置；步骤三、健康腕表中的三维加速度传感器检测老人的运动步数、运动距离和运动量，计时器记录老人的运动时间、静坐时间、最迟睡眠时间和每天累计睡眠时间，心率传感器检测老人的心率，形成老人的健康数据集，保存到健康腕表内的存储器中并传输至中央控制器；步骤四、中央控制器采用粗糙数据集分类算法的方法对健康数据集进行统计和计算，获得三维加速度数据的平均值、最高值、最低值、离散值、偏离度和标准差，心率数据的平均值、最高值、最低值、离散值、偏离度和标准差，位置数据平均值、最高值、最低值、离散值、偏离度和标准差，时间数据的平均值、最高值、最低值、离散值、偏离度和标准差以及三维加速度数据、心率数据、位置数据以及时间数据之间的关联度信息，形成健康初级数据集，健康初级数据集中的最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值、日常活动位置区域超过报警阈值，发出“活动超出预警范围”的报警信号，并将该报警信号通过GPRS把报警信号传递给服务器；步骤五、三维加速度传感器检测的运动加速度大于步骤一中存储的老人坐、走、跑的最大运动加速度的X倍时，其中X大于1，初步判断老人为跌倒状态，老人在卫生间、厨房或卧室，判定老人跌倒，健康腕表通过GPRS把老人跌倒报警信号传递给服务器，老人在客厅则进行步骤六进一步确定老人是否跌倒；步骤六、室内房间屋顶架设有IP摄像头，IP摄像头检测老人的跌倒状态图像并传输至中央控制器，中央控制器提取图像的特征向量并存储，将提取的图像的特征向量与模板库中的跌倒姿态特征向量对比，二者匹配健康腕表通过GPRS把老人跌倒报警信号传递给服务器，二者不匹配将提取的图像的特征向量存储至中央控制器中；步骤七、健康腕表通过GPRS通讯装置，把步骤三中形成的健康数据集和腕表健康初级数据集传递给服务器；步骤八、服务器采用粗糙数据集分类算法对接收到健康数据集、腕表健康初始化数据集进行数据集训练，获得报警阈值的偏差值和佩戴健康腕表的老人的模型参数值；步骤九、服务器把报警阈值的偏差值及佩戴健康腕表的老人的模型参数值采用GPRS通讯方式传递给健康腕表；步骤十、健康腕表根据接到的报警阈值的偏差值及模型参数值，修改健康腕表内的存储器的报警阈值；步骤十一、服务器通过TD-LTE通讯模式把修改后的报警信号传递给子女的智能手机，同时服务器把该报警信号传递给工作人员；步骤十二、子女根据智能手机的报警情况对该项报警信息进行核查，该项报警信息是虚假报警，在智能手机上发送虚假报警操作；该项报警信息是有效报警，在智能手机上发送接受本项报警操作；步骤十三、子女的智能手机自动把该项报警操作通过TD-LTE通讯模式传递给服务器，服务器把该项报警操作填写到该项报警信息中，并通过粗糙数据集分本文档来自技高网...

【技术保护点】
基于体感网的居家养老系统，其特征是：包括居家体感网(1)、服务器(2)和智能手机(3)，所述居家体感网(1)包括居家传感器(4)和居家无线网络(5)；所述居家传感器(4)包括红外传感器(6)、门禁传感器(7)、紧急按钮(8)、IP摄像头(9)和健康腕表(10)；所述居家无线网络(5)包括中央控制器(11)和无线路由器(12)；所述健康腕表(10)的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表(10)通过GPRS与互联网连接；所述中央控制器(11)通过ZigBee分别与红外传感器(6)、门禁传感器(7)以及紧急按钮(8)连接；所述无线路由器(12)通过Wifi分别与IP摄像头(9)、健康腕表(10)以及中央控制器(11)连接，无线路由器(12)通过宽带与互联网连接；所述服务器(2)与互联网连接；所述智能手机(3)通过TD‑LTE与服务器(2)连接。

【技术特征摘要】
1.基于体感网的居家养老系统，其特征是：包括居家体感网(1)、服务器(2)和智能手机(3)，所述居家体感网(1)包括居家传感器(4)和居家无线网络(5)；所述居家传感器(4)包括红外传感器(6)、门禁传感器(7)、紧急按钮(8)、IP摄像头(9)和健康腕表(10)；所述居家无线网络(5)包括中央控制器(11)和无线路由器(12)；所述健康腕表(10)的内部设置有三维加速度传感器、心率传感器、计时器、存储器、紧急呼叫装置、基站定位装置和GPS定位装置，健康腕表(10)通过GPRS与互联网连接；所述中央控制器(11)通过ZigBee分别与红外传感器(6)、门禁传感器(7)以及紧急按钮(8)连接；所述无线路由器(12)通过Wifi分别与IP摄像头(9)、健康腕表(10)以及中央控制器(11)连接，无线路由器(12)通过宽带与互联网连接；所述服务器(2)与互联网连接；所述智能手机(3)通过TD-LTE与服务器(2)连接。2.根据权利要求1所述的基于体感网的居家养老系统，其特征是：所述IP摄像头(9)的数量为四个以上。3.基于体感网的居家养老系统的控制方法，利用如权利要求1所述的基于体感网的居家养老系统，其特征是：包括以下步骤，并且以下步骤顺次进行，步骤一、将老人的注册信息、子女的注册信息、传感器的注册信息、传感器权限分配信息、家庭位置信息以及居室分布信息录入中央控制器(11)；通过与健康腕表(10)通信连接的智能手机(3)的app端应用程序设定健康腕表(10)中的模型参数、报警阈值；所述模型参数包括每日要求运动步数、本人体重、性别、年龄、健康状态和腕表佩戴习惯，所述健康状态分为好、中、差三种，所述腕表佩戴习惯分为左手佩戴和右手佩戴两种；所述报警阈值包括最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值和日常活动位置区域；老人佩戴健康腕表(10)，在健康腕表(10)上对“坐”，“走”，“跑”三种状态进行设置，并存储老人在设置过程中坐、走、跑的最大运动加速度；在中央控制器(11)中进行入门初始化和出门初始化；步骤二、通过门禁传感器(7)和红外传感器(6)的报警时间顺序判断老人是室内运动还是室外运动，门禁传感器(7)的报警时间早于红外传感器(6)的报警时间，判定为老人室外运动，健康腕表(10)中的GPS定位装置和三维加速度传感器定位老人的所在位置，健康腕表(10)中的三维加速度传感器检测老人的运动步数和运动距离，计时器记录老人的室外运动时间；门禁传感器(7)的报警时间晚于红外传感器(6)的报警时间，判定为老人室内运动，健康腕表(10)中的基站定位装置和三维加速度传感器定位老人的所在房间及位置；步骤三、健康腕表(10)中的三维加速度传感器检测老人的运动步数、运动距离和运动量，计时器记录老人的运动时间、静坐时间、最迟睡眠时间和每天累计睡眠时间，心率传感器检测老人的心率，形成老人的健康数据集，保存到健康腕表(10)内的存储器中并传输至中央控制器(11)；步骤四、中央控制器(11)采用粗糙数据集分类算法的方法对健康数据集进行统计和计算，获得三维加速度数据的平均值、最高值、最低值、离散值、偏离度和标准差，心率数据的平均值、最高值、最低值、离散值、偏离度和标准差，位置数据平均值、最高值、最低值、离散值、偏离度和标准差，时间数据的平均值、最高值、最低值、离散值、偏离度和标准差以及三维加速度数据、心率数据、位置数据以及时间数据之间的关联度信息，形成健康初级数据集，健康初级数据集中的最迟睡眠时间、每天累计睡眠时间、每天最低运动量、每天最高运动量、每小时最高运动量、运动心率最高值、静态心率最低值、静态心率最高值、静坐时间最高限值、日常活动位置区域超过报警阈值，发出“活动超出预警范围”的报警信号，并将该报警信号通过GPRS把报警信号传递给服务器(2)；步骤五、三维加速度传感器检测的运动加速度大于步骤一中存储的老人坐、走、跑的最大运动加速度的X倍时，其中X大于1，初步判断老人为跌倒状态，老人在卫生间、厨房或卧室，判定老人跌倒，健康腕表(10)通过GPRS把老人跌倒报警信号传递给服务器(2)，老人在客厅则进行步骤六进一步确定老人是否跌倒；步骤六、室内房间屋顶架设有IP摄像头(9)，IP摄像头(9)检测老人的跌倒状态图像并传输至中央控制器(11)，中央控制器(11)提取图像的特征向量并存储，将提取的图像的特征向量与模板库中的跌倒姿态特征向量对比，二者匹配健康腕表(10)通过GPRS把老人跌倒报警信号传递给服务器(2)，二者不匹配将提取的图像的特征向量存储至中央控制器(11)中；步骤七、健康腕表(10)通过GPRS通讯装置，把步骤三中形成的健康数据集和腕表健康初级数据集传递给服务器(2)；步骤八、服务器(2)采用粗糙数据集分类算法对接收到健康数据集、腕表健康初始化数据集进行数据集训练，获得报警阈值的偏差值和佩戴健康腕表(10)的老人的模型参数值；步骤九、服务器(2)把报警阈值的偏差值及佩戴健康腕表(10)的老人的模型参数值采用GPRS通讯方式传递给健康...

【专利技术属性】
技术研发人员：杨玉东，贺玉珍，孙媛媛，李英韬，
申请(专利权)人：吉林真才信息技术有限公司，长春市万易科技有限公司，
类型：发明
国别省市：吉林,22